胡群/文 “完整的數(shù)據(jù)才更有價(jià)值，但是分布在多方的數(shù)據(jù)要聯(lián)合計(jì)算，必須就數(shù)據(jù)規(guī)整的規(guī)則、格式以及計(jì)算規(guī)則達(dá)成共識(shí)，這也是保證數(shù)據(jù)可信交互的基礎(chǔ)條件。單一企業(yè)/機(jī)構(gòu)很難實(shí)現(xiàn)這一能力，需要聯(lián)邦化或存在一個(gè)相對(duì)公正可信的中介。”12月1日，恒生電子在2021 LIGHT開發(fā)者云大會(huì)上正式發(fā)布的《2022金融科技趨勢研究報(bào)告》（以下簡稱《報(bào)告》）顯示，金融機(jī)構(gòu)需要利用多維數(shù)據(jù)對(duì)需要貸款的客戶做精準(zhǔn)信用風(fēng)險(xiǎn)評(píng)估，但機(jī)構(gòu)本身的客戶數(shù)據(jù)維度可能不足，同時(shí)第三方合規(guī)數(shù)據(jù)獲取困難，致使難以進(jìn)行貸款評(píng)估。

《報(bào)告》認(rèn)為，隱私計(jì)算產(chǎn)業(yè)已實(shí)現(xiàn)迸發(fā)式增長，各大科技和創(chuàng)新公司大量投入，隱私增強(qiáng)技術(shù)快速成熟，正進(jìn)入規(guī)模化應(yīng)用階段，但在實(shí)際應(yīng)用過程中遇到明顯障礙，如部署和管理隱私增強(qiáng)計(jì)算需要相關(guān)能力和專業(yè)知識(shí)；數(shù)據(jù)和規(guī)則需要統(tǒng)一規(guī)范；數(shù)據(jù)定價(jià)和質(zhì)量評(píng)估有困難；以及監(jiān)管仍存在不確定性。未來，隱私增強(qiáng)技術(shù)將助力數(shù)據(jù)資產(chǎn)走向聯(lián)邦化。

恒生電子執(zhí)行總裁范徑武表示，作為數(shù)智化賦能的重要知識(shí)成果，恒生電子基于理論研究和自身實(shí)踐經(jīng)驗(yàn)，聯(lián)合證券信息技術(shù)研究發(fā)展中心（上海）、國泰君安證券、中金公司、中信建投證券、海通證券、廣發(fā)證券、方正證券、光大證券、興業(yè)證券、申萬菱信基金等機(jī)構(gòu)共同發(fā)布《報(bào)告》，旨在持續(xù)探索業(yè)務(wù)和技術(shù)的融合，加速金融行業(yè)數(shù)智化進(jìn)程。

隱私計(jì)算挑戰(zhàn)

金融AI的每一步，大數(shù)據(jù)紅利在左，數(shù)據(jù)隱私安全在右。近年人工智能快速從感知智能邁向認(rèn)知智能，并已與金融業(yè)務(wù)深度融合，賦能資管、客服、營銷、運(yùn)營、風(fēng)控等諸多領(lǐng)域。數(shù)據(jù)要素廣泛分布于銀行、互聯(lián)網(wǎng)公司、政府部門等眾多機(jī)構(gòu)中，它們都有隱私和安全的需求，要釋放數(shù)據(jù)潛能并不容易。

11月1日，《個(gè)人信息保護(hù)法》正式生效，與《民法典》、《網(wǎng)絡(luò)安全法》、《數(shù)據(jù)安全法》、《電子商務(wù)法》、《消費(fèi)者權(quán)益保護(hù)法》等法律共同組成一張公民個(gè)人信息保護(hù)網(wǎng)。作為業(yè)務(wù)鏈路長而復(fù)雜，業(yè)務(wù)覆蓋零售、公司、金融市場、風(fēng)險(xiǎn)管理等，沉淀了大量的復(fù)雜數(shù)據(jù)資產(chǎn)的機(jī)構(gòu)，商業(yè)銀行受到《個(gè)人信息保護(hù)法》的重要影響，而助力銀行數(shù)字化轉(zhuǎn)型的金融科技公司也格外關(guān)注法律對(duì)技術(shù)及業(yè)務(wù)的影響。

目前主流的隱私計(jì)算技術(shù)主要分為三大方向：一類是以多方安全計(jì)算為代表的基于密碼學(xué)的隱私計(jì)算技術(shù)；一類是以聯(lián)邦學(xué)習(xí)為代表的人工智能與隱私保護(hù)技術(shù)融合衍生的技術(shù)；還有一類是以可信執(zhí)行環(huán)境為代表的基于可信硬件的隱私計(jì)算技術(shù)。

當(dāng)前國外隱私計(jì)算金融應(yīng)用目前尚處于試點(diǎn)階段。我國在金融領(lǐng)域已完成頂層設(shè)計(jì)。2020年11月，中國人民銀行正式發(fā)布首個(gè)隱私計(jì)算技術(shù)標(biāo)準(zhǔn)《多方安全計(jì)算金融應(yīng)用技術(shù)規(guī)范》(JR/T 0196—2020)，并于2021年啟動(dòng)聯(lián)邦學(xué)習(xí)等其它隱私計(jì)算技術(shù)金融應(yīng)用類標(biāo)準(zhǔn)的研制工作。在頂層設(shè)計(jì)推動(dòng)下，我國互聯(lián)網(wǎng)企業(yè)、科技公司及金融機(jī)構(gòu)近年來相繼研發(fā)多款成型隱私計(jì)算產(chǎn)品。

北京金融科技產(chǎn)業(yè)聯(lián)盟、成方金融信息技術(shù)服務(wù)有限公司聯(lián)合中國農(nóng)業(yè)銀行發(fā)布的《隱私計(jì)算金融應(yīng)用調(diào)研報(bào)告》調(diào)查顯示，金融機(jī)構(gòu)的隱私計(jì)算產(chǎn)品研發(fā)團(tuán)隊(duì)規(guī)模以1-10人區(qū)間居多， 占比為60%，團(tuán)隊(duì)規(guī)模在100人以上的占比僅為7%。而科技公司則以51-100人規(guī)模居多，50人以上規(guī)模占比為 50%。整體而言，科技公司的隱私計(jì)算研發(fā)團(tuán)隊(duì)規(guī)模明顯超過金融機(jī)構(gòu)，表明科技公司在隱私計(jì)算相關(guān)研發(fā)人才投入上力度更大。

“隱私增強(qiáng)技術(shù)可以將大量以前無法共享的數(shù)據(jù)資產(chǎn)化進(jìn)而使其可流通，具有創(chuàng)造新的商業(yè)模式的潛力，但是其成功落地需要對(duì)技術(shù)和業(yè)務(wù)都精通的復(fù)合型人才。”《報(bào)告》稱。

畢馬威的調(diào)研顯示，隱私計(jì)算已成為金融科技企業(yè)關(guān)注的新興技術(shù)，有47%的受訪企業(yè)看好其未來在金融科技行業(yè)發(fā)揮積極作用。

“索信達(dá)面向金融行業(yè)推出自主研發(fā)的企業(yè)級(jí)聯(lián)邦學(xué)習(xí)解決方案，采用區(qū)塊鏈技術(shù)，在滿足數(shù)據(jù)隱私安全和監(jiān)管要求的前提下，讓人工智能系統(tǒng)更加高效準(zhǔn)確地共同使用各自數(shù)據(jù)的機(jī)器學(xué)習(xí)框架，助力金融機(jī)構(gòu)實(shí)現(xiàn)更高效、安全和精準(zhǔn)的模型訓(xùn)練。”索信達(dá)AI創(chuàng)新中心數(shù)據(jù)科學(xué)家邵俊博士表示，通過建立聯(lián)盟鏈、區(qū)塊鏈共識(shí)機(jī)制、設(shè)計(jì)合理的多方博弈機(jī)制、使用安全多方計(jì)算和同態(tài)加密技術(shù)等方式，解決傳統(tǒng)聯(lián)邦學(xué)習(xí)方案中存在的中心依賴、激勵(lì)不足、單點(diǎn)欺詐、隱私泄露等痛點(diǎn)問題。

除銀行風(fēng)控場景之外，聯(lián)邦學(xué)習(xí)還可廣泛應(yīng)用于智能營銷、貸款、信用卡、保險(xiǎn)、計(jì)算機(jī)視覺、醫(yī)療大數(shù)據(jù)等場景，通過存量客戶經(jīng)營、高效觸達(dá)高價(jià)值客戶、喚醒沉睡客戶等，達(dá)到對(duì)客戶全生命周期管理以及價(jià)值深挖。邵俊認(rèn)為，只要是在大數(shù)據(jù)分析的場景中，在機(jī)構(gòu)需要外部更多的數(shù)據(jù)，而遭遇數(shù)據(jù)隱私保護(hù)導(dǎo)致的數(shù)據(jù)流動(dòng)不暢的情況下，聯(lián)邦學(xué)習(xí)就可以派上用場，未來，聯(lián)邦學(xué)習(xí)將會(huì)越來越多進(jìn)入到商業(yè)實(shí)踐當(dāng)中。

然而，目前來看，隱私計(jì)算仍存在諸多挑戰(zhàn)。

《報(bào)告》顯示，機(jī)構(gòu)可能依賴技術(shù)提供方的框架和算子庫，將可能導(dǎo)致第三方風(fēng)險(xiǎn)。尤為嚴(yán)重的是，設(shè)計(jì)一個(gè)高效安全的多方交互需要對(duì)業(yè)務(wù)有足夠的了解，這是一般技術(shù)公司所不具備的。由于多方計(jì)算過程中沒有原生信息，用戶難以驗(yàn)證數(shù)據(jù)質(zhì)量，這將導(dǎo)致數(shù)據(jù)定價(jià)困難。雖然一系列法律法規(guī)在規(guī)范大數(shù)據(jù)應(yīng)用，但目前監(jiān)管尚未定義數(shù)據(jù)隱私邊界，新方法可能被用于處理法律不允許的活動(dòng)。

邵俊認(rèn)為，聯(lián)邦學(xué)習(xí)的應(yīng)用落地還需要一個(gè)過程，無論從技術(shù)上還是行業(yè)生態(tài)上，都還有一些難度。一是設(shè)計(jì)激勵(lì)機(jī)制。聯(lián)邦系統(tǒng)是由多家機(jī)構(gòu)共同協(xié)作完成，團(tuán)隊(duì)協(xié)作一定是在各方的利益都得到滿足的時(shí)候才具備可行性，也就是根據(jù)每個(gè)參與方收益和貢獻(xiàn)來進(jìn)行分配利益，如何衡量每個(gè)參與方的貢獻(xiàn)和收益？二是隱私保護(hù)的問題。即使傳輸一些模型中間數(shù)據(jù)比如梯度信息，而梯度信息的泄露還是會(huì)有原始數(shù)據(jù)被推導(dǎo)出來的風(fēng)險(xiǎn)。三是惡意攻擊。如何保證聯(lián)邦學(xué)習(xí)的每個(gè)參與方都是誠實(shí)的？不誠實(shí)的參與方又分為兩種：一種是惡意的，一種是無惡意但是好奇的。惡意參與方可能會(huì)來對(duì)模型進(jìn)行投毒，比如故意傳輸一些錯(cuò)誤的數(shù)據(jù)來損害其他參與方的利益，而好奇的參與方不會(huì)去損害其他參與方的利益，但是會(huì)對(duì)所收集到的所有的交互數(shù)據(jù)進(jìn)行分析，并試圖推導(dǎo)其他各方的原始數(shù)據(jù)。

另外，聯(lián)邦學(xué)習(xí)還有一些其他比如數(shù)據(jù)傳輸效率的問題。模型訓(xùn)練會(huì)涉及到大量的運(yùn)算，各方聯(lián)合建模就會(huì)涉及到大量的數(shù)據(jù)進(jìn)行交互的問題。比如像在梯度下降的時(shí)候，每一步的梯度迭代都會(huì)涉及到通信成本。所以通信效率也是聯(lián)邦學(xué)習(xí)在落地過程中會(huì)遇到的挑戰(zhàn)。此外，還有像機(jī)構(gòu)與機(jī)構(gòu)之間樣本分布不均衡的問題等。“這需要業(yè)界不斷加碼投入，推動(dòng)聯(lián)邦學(xué)習(xí)技術(shù)的進(jìn)步和在產(chǎn)業(yè)生態(tài)的落地。”邵俊稱。

小數(shù)據(jù)趨勢

“隨著金融領(lǐng)域AI需求增加的倒逼，AI算法將呈現(xiàn)多模態(tài)、低資源、小數(shù)據(jù)的發(fā)展趨勢。”《報(bào)告》顯示，AI自身能力持續(xù)進(jìn)化，金融數(shù)據(jù)類型日趨豐富多樣，同時(shí)金融領(lǐng)域的AI需求日益劇增，上述因素推動(dòng)著工程化、多模化、低資源、小數(shù)據(jù)成為金融領(lǐng)域AI算法的大勢所趨。通過多模態(tài)和低資源機(jī)器學(xué)習(xí)等關(guān)鍵核心技術(shù)，可以減少標(biāo)注數(shù)據(jù)量，縮短AI研發(fā)周期，有效降低成本，提升用戶體驗(yàn)。

《報(bào)告》引用《中國證券業(yè)發(fā)展報(bào)告》數(shù)據(jù)，共有81家證券公司開展了人工智能應(yīng)用，涉及案例292個(gè)，應(yīng)用范圍覆蓋八大業(yè)務(wù)領(lǐng)域，占比前三項(xiàng)為經(jīng)紀(jì)業(yè)務(wù)（約占36.99%）、系統(tǒng)運(yùn)維（約15.41%）、運(yùn)營決策（約13.36%）等，其中應(yīng)用需要多模塊、低資源、小數(shù)據(jù)支持的場景包括：智能投研、智能問答（包括智能客服、智能外呼、智能IVR等）、智能運(yùn)營等，可代替人工完成重復(fù)、規(guī)則、繁瑣、流程化、低附加值的工作，幫助金融機(jī)構(gòu)推動(dòng)數(shù)智化、流程再造等。

“調(diào)研數(shù)據(jù)顯示，銀行業(yè)在金融科技的應(yīng)用程度和推進(jìn)數(shù)字化轉(zhuǎn)型的進(jìn)度方面平均得分高于資管業(yè)和保險(xiǎn)業(yè)。”畢馬威中國華東及華西區(qū)金融科技行業(yè)主管合伙人彭成初稱，銀行業(yè)對(duì)金融科技和數(shù)字化的應(yīng)用程度分別為3.8和3.5，而資管業(yè)分別為2.9和2.7，保險(xiǎn)業(yè)則均為2.8。

12月1日，麥肯錫發(fā)布《知易行難：探索券商數(shù)字化轉(zhuǎn)型成功之路》報(bào)告顯示，作為資本市場數(shù)字化轉(zhuǎn)型主力軍，證券公司等中介機(jī)構(gòu)近年來持續(xù)加大科技投入，2017-2020年券商整體科技投入年均增長33%，科技投入占營業(yè)收入之比從4.2%上升到9.1%；第一梯隊(duì)券商在科技投入上也超過同業(yè)平均水平，三年間科技投入年均增長近40%。

然而數(shù)字化投入的結(jié)果卻令人喜憂參半。除了小部分成功先行者之外，許多券商都感覺自己在進(jìn)行一場“軍備競賽”。為了趕超行業(yè)一流競爭對(duì)手，券商需要在人才、科技等方面進(jìn)行大量前期投入；而受制于組織、能力與文化，這些舉措的落地執(zhí)行并不理想。即使成功建立起部分?jǐn)?shù)字化業(yè)務(wù)，其經(jīng)濟(jì)效益也不及預(yù)期，這讓多數(shù)資源受限的中小型券商在進(jìn)行數(shù)字化決策時(shí)遲疑不決。麥肯錫全球調(diào)研顯示，全球范圍僅有16%的企業(yè)認(rèn)為自己的數(shù)字化轉(zhuǎn)型取得了持續(xù)成效。縱覽眾多國內(nèi)券商的數(shù)字化轉(zhuǎn)型實(shí)踐，麥肯錫發(fā)現(xiàn)一些共性問題，如：只有“數(shù)字化”，沒有“轉(zhuǎn)型”；盲目跟風(fēng)，數(shù)字化轉(zhuǎn)型路徑和節(jié)奏不清晰；從業(yè)務(wù)構(gòu)想到數(shù)字化實(shí)現(xiàn)的傳導(dǎo)走形；組織支撐體系不匹配，治理水平成為執(zhí)行瓶頸等。

“就AI算法自身發(fā)展趨勢而言，呈現(xiàn)多模態(tài)、低資源、小數(shù)據(jù)的趨勢”。《報(bào)告》稱，深度學(xué)習(xí)發(fā)展迅猛關(guān)鍵的因素是海量的數(shù)據(jù)支撐，但金融領(lǐng)域面臨標(biāo)注成本高，甚至無法采集、無數(shù)據(jù)的弊端，金融預(yù)訓(xùn)練模型+精調(diào)模式將成為未來小數(shù)據(jù)上的AI主流模式。